CN112534453A - 区块链交易安全 - Google Patents

区块链交易安全 Download PDF

Info

Publication number
CN112534453A
CN112534453A CN201980031219.9A CN201980031219A CN112534453A CN 112534453 A CN112534453 A CN 112534453A CN 201980031219 A CN201980031219 A CN 201980031219A CN 112534453 A CN112534453 A CN 112534453A
Authority
CN
China
Prior art keywords
blockchain
scoring
address
trust
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980031219.9A
Other languages
English (en)
Inventor
大卫·查尔斯·库查尔
马尔科姆·加兰德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Coral Agreement Ltd
Original Assignee
Coral Agreement Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Coral Agreement Ltd filed Critical Coral Agreement Ltd
Publication of CN112534453A publication Critical patent/CN112534453A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • G06Q20/0655—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash e-cash managed centrally
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H04L9/0618—Block ciphers, i.e. encrypting groups of characters of a plain text message using fixed encryption transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q2220/00—Business processing using cryptography
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/56—Financial cryptography, e.g. electronic payment or e-cash
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees

Abstract

一种方法包括获取包括多个区块链地址之间的交易的区块链数据以及将区块链地址的集合标记为欺诈性的并基于区块链数据来生成图数据结构。该方法包括针对每个区块链地址计算评分特征的集合，其中，每个评分特征的集合包括基于图的评分特征。计算基于图的评分特征包括计算与图数据结构中的区块链地址相关联的交易的次数。该方法包括使用被标记为欺诈性的区块链地址的评分特征的集合来生成评分模型并使用评分特征和评分模型来针对每个区块链地址生成信任分数。信任分数指示区块链地址参与欺诈活动的可能性。另外，该方法包括将所请求的信任分数发送到请求设备。

Description

区块链交易安全
相关申请的交叉引用
本申请要求于2019年3月7日提交的要求于2018年3月7日提交的美国临时申请第62/639,955号的权益的美国专利申请第16/295,153号的优先权。以上申请中的每一个的公开内容通过引用整体并入本文。
技术领域
本公开涉及提供防范区块链交易中的欺诈的保护措施。
背景技术
加密货币(例如，比特币(Bitcoin))可以为假名/匿名加密货币交易者提供交换媒介。加密货币可以在各自根据区块链协议操作的计算设备的分散式网络上进行操作。分散式网络可以控制包括不同区块链地址之间的交易的列表的区块链交易账本。可以通过密码学来验证分散式网络上的交易。交易者可以使用钱包应用与分散式网络进行交互。在某些情况下，交易者可以通过数字货币交换与分散式网络进行交互。
发明内容
在一个示例中，本公开涉及一种包括在服务器处从区块链网络获取区块链数据的方法。区块链数据包括多个区块链地址之间的多个交易。该方法还包括将区块链地址的集合标记为欺诈性的并基于区块链数据来生成图数据结构。该图数据结构包括区块链地址的节点并且包括在区块链交易的节点之间的边缘。该方法还包括针对每个区块链地址计算评分特征的集合。每个评分特征的集合都包括基于图的评分特征。计算基于图的评分特征包括计算与图数据结构中的区块链地址相关联的交易的次数。该方法还包括使用被标记为欺诈性的区块链地址的评分特征的集合来生成评分模型并使用与区块链地址相关联的评分特征和评分模型来针对区块链地址中的每一个生成信任分数。信任分数指示区块链地址参与欺诈活动的可能性。该方法还包括从请求设备接收对指定的区块链地址的信任请求并将针对所指定的区块链地址的信任分数发送到请求设备。
在一个示例中，本公开涉及一种系统，该系统包括一个或多个处理单元，该一个或多个处理单元执行致使该一个或多个处理单元从区块链网络获取区块链数据的计算机可读指令。区块链数据包括多个区块链地址之间的多个交易。该一个或多个处理单元被配置为将区块链地址的集合标记为欺诈性的并基于区块链数据来生成图数据结构。该图数据结构包括区块链地址的节点并且包括在区块链交易的节点之间的边缘。该一个或多个处理单元被配置为针对每个区块链地址计算评分特征的集合。每个评分特征的集合都包括基于图的评分特征。计算基于图的评分特征包括计算与图数据结构中的区块链地址相关联的交易的次数。该一个或多个处理单元被配置为使用被标记为欺诈性的区块链地址的评分特征的集合来生成评分模型并使用与区块链地址相关联的评分特征和评分模型来针对区块链地址中的每一个生成信任分数。信任分数指示区块链地址参与欺诈活动的可能性。该一个或多个处理单元被配置为从请求设备接收对指定的区块链地址的信任请求并将针对所指定的区块链地址的信任分数发送到请求设备。
附图说明
根据具体实施方式和附图，将变得更充分地理解本公开。
图1A至图1D示出了与加密货币交易者计算设备、中间交易系统，以及自动交易系统通信的示例信任系统。
图2是详细示例信任系统的功能框图。
图3是描述示例信任系统的操作的方法。
图4是数据获取和处理模块的功能框图。
图5是区块链数据获取和处理模块的功能框图。
图6A至图6B示出了区块链图数据结构的生成和处理。
图7是评分特征生成模块和评分模型生成模块的功能框图。
图8是示出了信任分数生成模块的操作的功能框图。
图9是与信任系统通信的交易者设备的功能框图。
图10A至图10B示出了用于请求和查看信任报告的图形用户界面(GUI)。
图11是正在支付保险实现方式中使用的信任系统的功能框图。
在附图中，附图标记可以被反复用来标识相似和/或相同的元件。
具体实施方式
尽管加密货币经历了增长，但由于缺乏支付者保护，加密货币被作为交换媒介的主流使用会受到更多限制。例如，发送到欺诈方的加密货币资金不能被快捷地收回。本公开的信任系统100针对加密货币交易者生成信任分数。信任分数可以在保留用户的匿名和自主权的同时为加密货币交易者提供防范欺诈的保护措施。信任分数可以提供可以建立其他安全层的基线信任等级，包括加密货币支付保险、保护，以及赔偿(例如，参见图11)。
信任系统100(例如，服务器)针对加密货币交易者生成信任分数。例如，对于基于区块链技术的加密货币，信任系统100可以针对在区块链上交互的不同区块链地址生成信任分数。信任系统100可以基于从各种数据源检索的数据连同作为加密货币基础的区块链数据来确定信任分数。信任分数可以是指示区块链地址参与欺诈活动的可能性的数字(例如，十进制或整数)。换句话说，信任分数可以表示区块链地址参与欺诈活动的倾向。
加密货币交易者可以在参加其中在区块链上交易资金(例如，区块链代币)的区块链交易之前，向信任系统100请求信任分数。通常，交易者可以使用信任分数来确定正与他们进行交易的区块链地址是否值得信任。例如，旨在向接收方发送资金的交易者可以请求针对接收方的信任分数。在该示例中，交易者可以为了评估预期接收者是欺诈方的可能性而使用针对预期接收者的信任分数。
交易者可以使用信任分数来采取各种动作。例如，交易者可以使用信任分数来确定是继续进行还是取消区块链交易。作为另一示例，交易者(例如，数字交换机)可以使用信任分数来确定是否给交易保险(例如，参见图11)。作为另一示例，组织可以使用信任分数来决定是否接受来自区块链地址的资金。如此，本文中描述的信任分数可以帮助保护交易者免于成为欺诈的受害者或接收到欺诈资金。要注意，信任分数告知交易者任何加密货币地址可以被信任的程度，而无需交易者知道该地址背后的那方的身份。如此，信任分数可以保持交易者匿名。
图1A示出了经由网络102与加密货币交易者计算设备104、116、118(下文中“交易者计算设备”)进行通信的示例信任系统100。网络102可以包括诸如局域网(LAN)、广域网(WAN)和/或互联网这样的各种类型的计算机网络。信任系统100可以包括一个或多个计算设备(例如，一个或多个服务器计算设备)。交易者计算设备包括可以与信任系统100交互的计算设备。示例交易者计算设备可以包括诸如智能电话、平板、膝上型计算机、台式计算机或其他计算设备这样的用户交易者设备104。用户交易者设备104可以包括操作系统106和诸如网络浏览器应用108和附加应用110这样的多个应用。
用户交易者设备104可以包括可以与区块链网络114交易以执行区块链交易的交易应用112。交易应用112还可以向信任系统100请求信任分数。示例交易应用可以被称为“钱包应用”。例如，因为可以不存在集中式服务器方部件，所以交易应用112可以被称为“分散式钱包”。
附加示例交易者设备可以被包括在中间交易系统116中。中间交易系统116(例如，一个或多个服务器计算设备)可以与区块链网络114、用户交易者设备104，以及信任系统100通信。中间交易系统116可以代表用户交易者设备104执行加密货币交易。中间交易系统116还可以代表用户交易者设备104从信任系统100获取信任分数。在一些实现方式中，中间交易系统116可以为用户交易者设备104提供用户界面(例如，经由基于网络的界面和/或已安装的交易应用)。示例中间交易系统可以包括数字货币交易所(例如，Coinbase股份有限公司)。在一些实现方式中，交易所可以是分散式的。
附加示例交易者设备可以被包括在自动交易系统118中。自动交易系统118(例如，一个或多个服务器计算设备)可以与信任系统100和区块链网络114通信。示例自动交易系统118可以包括诸如进行重复支付的支付系统或网关(例如，Stripe股份有限公司或Plaid股份有限公司)这样的支付系统。
交易者设备104、116、118可以参加区块链网络114上的交易。区块链网络114可以由各自根据区块链协议120操作的计算设备的网络形成。区块链网络114可以控制区块链交易账本122(下文中“区块链账本122”)。区块链账本122包括不同区块链地址之间的交易的列表。区块链账本122还可以包括诸如交易元数据这样的附加数据。示例区块链网络可以包括但不限于比特币、以太坊(Ethereum)等。尽管在图1A中示出了单个区块链网络114，但信任系统100可以使用本文中描述的技术针对多个不同区块链网络上的地址提供信任分数。
区块链账本122可以包括标识区块链网络114上的交易者的区块链地址。交易者可以是指控制针对区块链地址的交易的一方。例如，交易者可以包括个人或诸如企业、非政府组织或去中心化自治组织这样的组织。交易者可以控制单个区块链网络上的一个或多个区块链地址。交易者还可以在不同的区块链网络上拥有一个或多个区块链地址。
交易者可以发起区块链交易，在该区块链交易中，交易者的区块链地址向/从另一区块链地址发送/接收资金。将资金发送到另一区块链地址的区块链地址在本文中可以被称为“区块链发送者地址”或“发送者地址”。接收资金的区块链地址在本文中可以被称为“区块链接收者地址”或“接收者地址”。
交易设备104、116、118可以将信任请求130发送到信任系统100，并且从信任系统100接收信任响应132(例如，参见图1B至图1D)。信任请求130可以指示交易者想要其信任报告(例如，一个或多个信任分数)的一个或多个区块链地址。在一些实现方式中，信任请求130可以包括诸如区块链代币和/或法定货币(例如，美元)这样的请求支付。可以由信任系统100的所有者/操作者收集请求支付作为用于提供信任分数的支付。
在一个示例中，交易者设备104、116、118可以向信任系统100发送信任请求130并从信任系统100接收信任响应132(例如，信任报告)。交易者设备104、116、118和信任系统100可以经由应用编程接口(API)进行通信。信任请求130可以在交易的另一侧包括针对交易者的区块链地址。例如，来自发送者的信任请求可以请求接收者的区块链地址的信任报告。发送者可以基于接收到的信任报告做出决策，诸如是否参加与接收者的区块链交易。
图1B至图1D示出了不同交易者设备/系统104、116、118、区块链网络114与信任系统100之间的交互。在图1B中，用户交易者设备104包括与区块链网络114进行交易的交易应用112(例如，钱包应用)。交易应用112包括与信任系统100对接的信任请求模块126。例如，信任请求模块126可以生成信任请求130(例如，网络请求)。信任请求模块126还可以从信任系统100接收信任响应132。在一些实现方式中，信任请求模块126可以生成用户可以与之交互的图形用户界面(GUI)，以便发送信任请求130并查看信任报告(例如，参见图10A至图10B)。
在图1C中，交易者设备104可以经由中间交易系统116在区块链网络114上进行交易。例如，在图1C中，交易者设备104可以包括与中间交易系统116交互的网络浏览器应用108。中间交易系统116(例如，网络服务器)可以为网络浏览器108提供用于在区块链网络114上进行交易的接口。中间交易系统116还可以提供界面(例如，基于网络的界面)，以供用户选择用户在参加区块链交易之前是否想要信任报告。
在图1D中，自动交易系统118控制区块链网络114上的交易。自动交易应用118还可以向信任系统100请求信任报告。在一些实现方式中，自动交易系统所参加的交易可以取决于由信任系统报告的信任分数。例如，如果信任分数指示该地址不是欺诈性的，则自动交易系统可以参加交易。
尽管设备/系统104、116、118可以提出信任请求130以便在进行区块链交易之前接收信任分数，但在一些实现方式中，其他设备/系统可以在其他场景中请求信任分数。例如，交易所的合规专员出于合规原因请求信任分数。
回头参照图1A，环境包括数据源124，信任系统100可以使用数据源124来确定区块链地址是否是欺诈性的。本文中描述的示例数据源124包括欺诈数据源和监管数据源。
图2至图11示出了信任系统100的各方面。图2示出了示例信任系统100。图3是描述图2中图示的信任系统100的操作的方法。图4示出了欺诈和监管数据源的数据获取和处理。图5示出了区块链数据的获取和处理。图6A至图6B示出了区块链图数据结构的生成和处理。图7示出了评分特征生成和评分模型生成。图8示出了使用针对区块链地址的评分模型和评分特征来生成该区块链地址的信任分数。图9至图10B示出了与信任系统通信的用户交易者设备的各方面。图11示出了用于支付保险应用的信任系统的使用。
参照图2，信任系统100获取并处理本文中描述的各种数据。信任系统100包括可以存储多个区块链地址的数据的信任系统数据存储器214。与单个区块链地址相关联的数据在本文中被图示为区块链地址记录220。信任系统数据存储器214可以包括多个这样的区块链地址记录220，各区块链地址记录220是针对不同的区块链地址。每个区块链地址记录220可以包括唯一地标识记录的区块链地址222。本文中描述的区块链地址记录220表示存储在信任系统100中的数据。信任系统100可以包括被用于实现数据的各种不同的数据结构。因此，可以使用与本文中明确图示的一个或多个不同的数据结构来实现区块链地址记录220。
图3是描述图2中图示的信任系统100的操作的方法。在框300中，数据获取和处理模块200获取并处理诸如监管数据和欺诈数据这样的各种类型的数据124(例如，参见图4)。数据获取和处理模块200可以将与区块链地址相关的监管和欺诈数据224存储在区块链地址记录220中。数据获取和处理模块200还可以基于所获取的欺诈数据来生成欺诈标签226，欺诈标签226指示区块链地址是否有可能是欺诈性的。
在框302中，区块链获取和处理模块202获取并处理区块链数据(例如，区块链账本122)(例如，参见图5)。区块链获取和处理模块202可以将与区块链地址相关的原始且经处理的区块链数据228存储在区块链地址记录220中。在框304中，图生成和处理模块204基于区块链数据来生成区块链图数据结构(例如，参见图8A至图6B)。区块链图数据结构可以被存储在图数据存储器216中。图生成和处理模块204还可以处理该图，以确定可以被用于生成信任分数的一个或多个基于图的值230(例如，重要性的值)。
在框306中，特征生成模块206针对区块链地址生成评分特征232(例如，参见图7)。在框308中，评分模型生成模块208基于评分特征和其他数据(例如，带标记的欺诈数据)来生成一个或多个评分模型。该一个或多个评分模型可以被存储在评分模型数据存储器218中。在框310中，信任分数生成模块212使用与区块链地址相关联的评分特征和一个或多个评分模型来生成针对区块链地址的一个或多个信任分数234(例如，参见图8)。
在框312中，交易者接口模块210从请求设备接收对区块链地址的信任请求130。在框314中，交易者接口模块210向请求设备发送包括信任分数的信任响应132。交易者接口模块210可以将与请求和响应相关的数据存储在区块链地址记录220的请求数据236中。
现在，相对于图4至图6A和图7至图9描述各种信任系统模块和数据存储器的详细示例。图4至图6A和图7至图9可以说明信任系统100中所包括的模块和数据存储器的子集(例如，如图2中图示的)。仅出于图示目的，从图4至图6A和图7至图9中省略了各种模块和数据存储器。例如，已经省略了各种模块和数据存储器，以侧重于与图4至图6A和图7至图9中图示的模块和数据存储器相关联的功能。
参照图4，数据获取和处理模块200包括从欺诈和监管数据源124获取数据的数据获取模块200-1。数据获取和处理模块200还包括处理所获取数据的数据处理模块200-2。原始且经处理的数据224可以被存储在信任系统数据存储器214中。数据获取模块200-1可以以各种方式获取数据。在一些实现方式中，数据获取模块200-1可以获取诸如由信任系统100的合作伙伴/客户提供的策划数据这样的策划数据。在某些情况下，信任系统100的所有者/运营商可以购买策划数据。在某些情况下，信任系统100的操作者可以使用经同行评审的结构化数据。
在一些实现方式中，数据获取模块200-1可以被配置为自动获取数据(例如，爬行/抓取网站)。例如，数据获取模块200-1可以被配置为进行诸如获取特定社交媒体账户的数据这样的目标数据获取。作为另一示例，数据获取模块200-1可以执行诸如更通用的站点爬行/抓取这样的更通用的数据获取。
数据获取模块200-1可以从监管数据源124-1获取监管数据。监管数据可以指示拥有/控制区块链地址(例如，密钥)的一方。可以接管区块链地址的示例方可以包括但不限于交易所、钱包，以及银行。在一些实现方式中，监管源124-1可以将监管数据提供给信任系统100。
在一些实现方式中，信任系统100可以实现监管人特定信任分数生成。例如，信任系统100可以基于与区块链地址相关联的监管人来选择特定的评分模型。在一些实现方式中，信任系统100可以实现针对区块链地址的客户/监管人特定报告(例如，基于与区块链地址相关联的监管人)。例如，可以针对特定监管人以特定方式来格式化信任报告。
数据获取模块200-1从各种欺诈数据源124-2获取可以提供欺诈证据的数据。信任系统100可以基于欺诈数据来确定针对区块链地址的欺诈可能性。例如，信任系统100可以基于欺诈数据来将区块链地址标记为欺诈。随后，信任系统100可以基于被标记的区块链地址来生成评分特征和评分模型。
在一些实现方式中，信任系统100可以被配置为获取指示与区块链地址相关联的欺诈活动的数据库和列表。在一个示例中，欺诈数据源124-2可以包括诸如第三方的欺诈信息数据库和/或客户提供的欺诈信息数据库这样的欺诈信息的数据库。数据库可以由公共实体(例如，政府的监视列表)和/或私人实体(例如，公司生成的监视列表)提供。
在一些示例中，欺诈信息的数据库可以被以黑名单的形式提供给信任系统100，该黑名单包括已被识别为参加了欺诈的区块链地址的列表。在该示例中，信任系统100可以从信任系统100的客户获取公共黑名单、购买黑名单和/或接收黑名单。在某些情况下，黑名单可能已经过一群受信方(例如，专家)的同行评审。在一些实现方式中，如果地址被包括在黑名单上，则数据处理模块200-2可以将地址标记为是欺诈性的。在其他实现方式中，信任系统100可以使用黑名单上的区块链地址的存在作为用于确定被列入黑名单的区块链地址是否有可能是欺诈性的评分特征。
在一些实现方式中，数据获取模块200-1可以被配置为从诸如由网络统一资源定位符(URL)和/或用户名(例如，特定社交媒体账户)指定的互联网上的位置这样的目标位置获取欺诈数据。在一些实现方式中，信任系统100的客户可以提供数据获取模块200-1可以监视的欺诈活动的位置(例如，网络URL)。例如，客户可以向与特定区块链地址相关联的社交媒体页面提供网址。在该示例中，如果除了所指定的区块链地址之外的区块链地址出现在该网址处的网络内容中，则数据处理模块200-2可以识别欺诈行为。在另一示例中，如果存在已知的初始代币发行(ICO)的贡献地址，则可以检测到欺诈性地试图获取资金(例如，网络钓鱼)的账户和区块链地址。然后，信任系统100可以将欺诈地址通知给客户并且使用如本文中描述的欺诈活动的证据。
尽管数据获取模块200-1可以被配置为从目标位置获取欺诈数据，但在一些实现方式中，数据获取模块200-1通常可以爬行和抓取其他数据源(例如，社交媒体站点)以求欺诈数据和其他数据。在这些示例中，数据处理模块200-2可以基于诸如向多个社交媒体用户请求资金的骗局、直接向其他用户请求资金的新账户，以及伪造初始代币发行骗局这样的跨社交媒体平台的行为来识别欺诈性区块链地址。
在一些实现方式中，信任系统100(例如，数据处理模块200-2)可以将区块链地址标记为欺诈性的(例如，在226中)。例如，数据处理模块200-2可以基于欺诈数据将区块链地址标记为欺诈。在特定示例中，如果区块链地址被包括在一个或多个黑名单中，则数据处理模块200-2可以将区块链地址标记为欺诈。如果未将区块链地址标记为欺诈，则区块链地址的欺诈状态可以是未知的。换句话说，未标记的区块链地址不一定指示区块链地址不是欺诈性的。在某些情况下，区块链地址可以被标记为非欺诈性的已知的好地址。例如，交易钱包或经验证的智能合约可以是已知的好地址的示例。
对于被分配一个或多个信任分数并标记为欺诈的区块链地址，针对区块链地址的欺诈标签对于区块链地址的欺诈问题而言可以是决定性的。如此，在这些实现方式中，信任系统100可以忽略针对区块链地址的信任分数和/或将针对区块链地址的信任分数设置为欺诈的100％确定性。在其他实现方式中，信任系统100可以继续计算被标记为欺诈的区块链地址的信任分数。
欺诈标签226还可以包括欺诈标签元数据。欺诈标签元数据可以指示用于将区块链地址标记为欺诈的信息的来源(例如，特定的黑名单)。欺诈标签元数据还可以指示欺诈的类型(例如，网络钓鱼骗局)。欺诈标签元数据还可以包括诸如与骗局相关联的文本(例如，在线或在电子邮件中发布的文本)这样的欺诈行为的内容。信任系统100可以将欺诈标签元数据返回给请求设备，以清楚地说明信任系统100将区块链地址标记为欺诈性的原因。
参照图5，区块链数据获取模块202-1(下文中“区块链获取模块202-1”)可以从区块链网络114获取区块链数据。例如，区块链获取模块202-1可以获取区块链交易账本122。区块链获取模块202-1可以将原始区块链数据228存储在信任系统数据存储器214中。区块链处理模块202-2可以处理区块链交易账本122，并且将经处理的区块链值228(例如，交易金额、休眠等)存储在信任系统数据存储器214中(例如，在区块链地址记录220中)。
区块链交易账本122包括多个区块链交易的数据。每笔交易可以包括：1)发送者地址、2)接收者地址、3)价值金额(例如，币金额)。交易还可以包括唯一地标识区块链上的交易的交易标识数据。交易标识数据在本文中可以被称为交易标识符(ID)。在一些实现方式中，交易哈希可以被用作交易的唯一标识符。交易哈希可以是唯一地标识交易的一串伪随机字符。一些区块链还可以包括信任系统100可以存储并处理的附加数据。示例附加数据可以包括诸如在以太坊智能合约中执行的程序这样的内部交易数据。
区块链交易账本可以包括多个区块。区块中的每一个可以包括交易的集合。区块可以包括一定时间段内在区块链上发生的交易的集合。区块可以包括可以充当该区块的标识符的区块编号(例如，顺序分配的编号)。在比特币的情况下，交易可以包括发送方的地址、接收方的地址、所发送的金额，以及描述速度的各种参数。以太坊可以包括类似的交易数据还有关于执行了智能合约上的功能的原始数据(如果执行了功能的话)。
不同的区块链网络可以包括不同类型的区块链帐本。例如，不同的区块链帐本可以包括不同格式的区块链交易数据。作为另一示例，不同的区块链账本可以包括与交易相关联的附加或替代的数据。区块链获取模块202-1可以被配置为获取不同区块链的区块链交易数据。例如，区块链获取模块202-1可以包括不同的模块，这些模块中的每一个可以被配置用于获取不同区块链网络的区块链交易数据。
在某些情况下，区块链网络可以包括指示区块链交易时间(例如，相对/绝对时间)的定时数据。在这些实现方式中，区块链获取模块202-1可以使用所提供的定时数据来指示交易何时发生。在其他情况下，区块链网络可以不包括定时数据。在这些实现方式中，区块链获取模块202-1可以针对交易生成时间戳。在某些情况下，可以从分配给交易的区块生成定时数据。可以分配区块作为挖矿过程的部分，区块链上的参与者据此进行竞争以验证一组交易的有效性。一旦区块被挖矿并验证了交易，就可以根据其他挖矿者的共识得出定时数据。
区块链处理模块202-2可以基于所获取的区块链数据来确定各种值。信任系统100(例如，信任分数生成模块212)可以将所确定的值用作用于确定信任分数的评分特征。信任系统100(例如，模型生成模块208)还可以基于所确定的值来生成评分模型。可以将针对区块链地址的区块链值存储在区块链地址记录中(例如，在228中)。
区块链处理模块202-2可以包括用于确定本文中描述的不同区块链值的功能。例如，图5的区块链处理模块202-2包括可以确定区块链地址的休眠值的休眠确定模块500。区块链处理模块202-2还包括行为识别模块502，行为识别模块502可以确定区块链地址是否与一个或多个行为模板(例如，图案或指纹)匹配。图5的区块链处理模块202-2中所包括的模块500、502仅是示例模块。如此，区块链处理模块202-2可以包括除了图5中图示的那些模块之外的附加/替代的模块。另外，图5的区块链数据228中所包括的区块链值仅是示例值。如此，区块链地址的区块链数据可以包括附加/替代的值。
在一些实现方式中，区块链处理模块202-2可以确定与由区块链地址交易的资金的金额相关联的值。例如，区块链处理模块202-2可以确定：1)区块链地址接收的资金的总金额、2)区块链地址发送的资金的总金额、3)进出区块链地址的资金的总金额，以及4)区块链地址的平均交易金额。
在一些实现方式中，区块链处理模块202-2可以确定与区块链地址的相关联交易的定时相关联的值。例如，区块链处理模块202-2可以确定诸如地址参与交易的频次(例如，交易间的平均时间和差额)这样的区块链地址的活动程度。作为另一示例，区块链处理模块202-2可以确定与该地址相关联的交易的时期。与定时相关的另一示例评分特征可以包括相对于区块链地址的资金进入和资金退出之间的时间(例如，单次交易的定时或多次交易的平均值)。在某些情况下，欺诈活动不会立即退出地址。
作为另一示例，休眠确定模块500可以确定针对区块链地址的休眠的概率。示例休眠概率可以指示区块链地址不与交易相关联的时间量。例如，休眠概率可以指示区块链地址与相对于地址的预期交易间时间不关联的时间的量。换句话说，示例休眠时间可以指示区块链地址处于休眠的概率。相对于休眠可能性，在某些情况下，欺诈性地址不会长时间保持活跃。
在一些实现方式中，区块链处理模块202-2可以确定与交易的定时和交易的量相关联的值。例如，区块链处理模块202-2可以确定：1)一段时间内接收的资金的总金额、2)一段时间内转账的资金的总金额，以及3)一段时间内交易的资金的总金额。
在一些实现方式中，区块链处理模块202-2可以确定与区块链地址如何与其他区块链地址交互相关联的值。例如，区块链处理模块202-2可以确定已与区块链地址交互的地址的列表和/或已与区块链地址交互的地址的总数(例如，作为发送者和/或接收者)。可以迭代地计算该值，以确定地址对其本地邻居和整个区块链有多重要。
区块链处理模块202-1包括行为识别模块502，行为识别模块502可以确定区块链地址是否与可以指示欺诈的特定行为模板匹配。如果行为识别模块502识别到区块链地址的行为与行为模板之间的匹配，则该匹配可以被存储在区块链地址记录220中。在一些实现方式中，信任系统100可以存储一组行为模板。在这些实现方式中，行为识别模块502可以确定区块链地址的行为是否与该组行为模板中的一个或多个匹配。
行为模板可以包括一组条件，如果满足该组条件，则致使行为模板与区块链地址匹配。行为模板可以包括基于本文中描述的任何区块链值的条件。例如，行为模板可以包括基于以下条件中的至少一个的条件：1)转账的资金的金额、2)交易的次数、3)交易的定时(例如，交易的速率)、4)区块链地址如何与其他地址进行交互(例如，不同发送者/接收者的数量和交易模式)，以及5)该地址休眠的可能性。
在一个特定示例中，行为模板可以以阈值速率定义交易的阈值次数(例如，进出5次交易)。在该示例中，如果区块链地址快速连续地(例如，在短的快速突发内)参加少量的交易(例如，小于或等于阈值次数)，则行为模板可以被匹配。行为模板的另一示例条件可能是高休眠概率，因为任何交易都可能限于突发。在另一特定示例中，行为模板可以定义交易的高阈值次数(例如，对于区块链而言，不规则地高)。在该示例中，如果区块链地址参加的交易次数大于阈值次数，则行为模板可以被匹配。在该示例中，行为模板也可能需要高重要性值，使得要求区块链地址具有最小重要性值以匹配模板。此外，行为模板可能需要休眠的可能性低，因为欺诈行为可以遵循常规交易的模式。
如果区块链地址匹配行为模板，则该匹配可以被作为区块链值存储在区块链地址记录220中。例如，区块链地址记录可以针对指示行为模板是否被匹配的每个行为模板存储二进制值(例如，0/1)。在行为识别模块502确定指示区块链地址与行为模板的匹配程度的值(例如，十进制或整数值)的实现方式中，该值可以被存储在区块链地址记录220中。
参照图6A至图6B，图生成模块204-1基于针对多个不同区块链地址的区块链交易生成区块链图数据结构。图数据结构包括区块链地址和区块链地址之间的交易。例如，对于每个区块链地址，图数据结构可以描述与区块链地址相关联的每次交易连同交易的方向，诸如区块链地址是发送者还是接收者。图数据结构还可以包括每次交易的交易金额。在一些实现方式中，图数据结构可以包括欺诈数据(例如，欺诈标签)。欺诈标签可以指示该地址已参与欺诈活动(例如，已知的欺诈地址)。
图6B示出了图数据结构的示例表示。在图6B中，图数据结构由节点和边缘表示。图数据结构包括区块链地址作为图的节点。区块链地址之间的交易是节点之间的边缘，其中，箭头指示交易的方向(例如，接收者处于箭头的头处)。每次交易的金额被与箭头相邻地标记。每个区块链地址的欺诈标签都被包括在节点上方。图6B包括4个具有区块链地址A、X、Y、Z的交易者。区块链地址Y已被标记为欺诈地址。其他区块链地址具有未知的欺诈状态。该图示出了3个区块链交易。第一个交易是针对第一金额(即，金额1)从区块链地址X到区块链地址A。第二个交易是针对第二金额(即，金额2)从区块链地址Y到区块链地址A。第三个交易是针对第三金额(即，金额3)从区块链地址X到区块链地址Z。
图数据结构被存储在图数据存储器216中。图生成模块204-1可以随时间推移而更新图数据结构，使得图数据结构包括区块链网络114上所包括的交易的最新表示。
图处理模块204-2可以使用图数据结构来生成基于图的值230。基于图的值230可以被存储在区块链地址记录220中。图处理模块204-2可以随时间推移而更新基于图的值230。
在一些实现方式中，图处理模块204-2可以针对区块链地址中的每一个确定一个或多个重要性值。重要性值可以指示区块链地址相对于其他区块链地址(例如，相对于所有区块链地址)的重要性。在一些实现方式中，图处理模块204-2可以基于相邻的区块链地址来确定区块链地址的重要性值。在一些实现方式中，图处理模块204-2可以按区块链地址的重要性来加权相邻区块链地址的贡献。
在一些实现方式中，图处理模块204-2可以通过对传入区块链地址的交易的次数进行计数来确定重要性值。在该特定示例中，更多的交易可以指示区块链地址比其他具有更少传入交易的区块链地址更重要。在一些实现方式中，图处理模块204-2可以通过确定区块链所交互的不同区块链地址的数量来确定重要性值。在一些实现方式中，图处理模块204-2可以确定指示相对于从区块链地址出去的资金的金额的进入区块链地址的资金的总金额的重要性值(例如，出去的金额除以进入的金额)。在另一示例中，图处理模块204-2可以确定指示相对于从区块链地址出去的交易的次数的进入区块链地址的交易的次数的重要性值(例如，进入交易的总次数除以出去交易的总次数)。在另一示例中，图处理模块204-2可以基于进入区块链地址的交易的次数、从区块链地址出去的交易的次数、进入资金的金额，以及出去资金的金额来确定重要性值。在一些实现方式中，图处理模块204-2可以实现诸如PageRank(PR)和/或个性化击中时间(PHT)这样的其他处理技术。
在一些实现方式中，图处理模块204-2可以确定指示图中区块链地址与欺诈的距离的欺诈距离评分特征。例如，欺诈距离评分特征可以包括与欺诈的最小距离、与欺诈的平均距离和/或与区块链地址交互的欺诈区块链地址的数量。
参照图7，特征生成模块206可以针对区块链地址中的每一个生成评分特征。信任系统100(例如，信任分数生成模块212)可以基于与区块链地址相关联的评分特征来生成针对该区块链地址的一个或多个信任分数。评分特征可以是数字值(例如，整数或十进制值)、布尔值(例如，0/1)、枚举值或其他值。
特征生成模块206可以基于本文中描述的区块链值中的任一个来生成评分特征。例如，区块链地址的评分特征可以是基于1)与交易相关联的金额、2)与交易相关联的定时数据(例如，休眠)、3)与区块链地址相关联的基于图的值(例如，一个或多个重要性值)和/或4)与区块链地址相关联的基于行为的值。
相对于基于行为的数据，特征生成模块206可以生成指示区块链地址是否与行为模板中的任一个匹配的布尔评分特征。在另一示例中，特征生成模块206可以针对行为模板中的每一个生成布尔评分特征，使得评分特征标识行为模板中的哪一个是匹配的。在另一示例中，特征生成模块206可以生成指示行为模板中有多少是匹配(例如，可用的总量中的百分比)的评分特征。在另一示例中，作为生成布尔特征的替代，特征生成模块206可以生成诸如指示行为模板的匹配程度的十进制值(例如，0.00-1.00)这样的指示区块链地址与行为模板的匹配程度的数值。
信任系统100包括评分模型生成模块208(本文中被称为“模型生成模块208”)，评分模型生成模块208可以生成被用于生成针对区块链地址的信任分数的评分模型700。例如(例如，参见图8)，评分模型可以接收针对区块链地址的评分特征并输出针对区块链地址的信任分数。模型生成模块208可以基于训练数据来生成评分模型。训练数据可以包括评分特征连同相关联的欺诈标签。模型用作输入的一组评分特征在本文中可以被称为“特征向量”。在一些实现方式中，信任系统100可以使用深层神经网络来评分，其中，分类是由已知的好/坏地址确定的。可以在特征向量上训练神经网络。在一些实现方式中，信任系统100可以利用基于随机森林、决策树和逻辑回归的模型，并且以“专家共识”的形式将它们组合。
模型生成模块208可以基于训练数据来生成评分模型(例如，机器学习模型)，该训练数据包括特征向量集及其对应的欺诈标签(例如，欺诈：0/1)。在该示例中，所生成的评分模型可以输出指示区块链地址是欺诈性的可能性的信任分数(例如，十进制值)。在一些实现方式中，训练数据还可以包括肯定地指示区块链地址是已知的好地址(例如，非欺诈性)的标签。
尽管信任系统100可以生成被用于生成信任分数的评分模型，但信任系统可以以其他方式生成信任分数。例如，信任系统可以使用评分函数(例如，加权评分函数)和/或根据规则生成信任分数的启发式模型来生成信任分数。
图8示出了针对区块链地址生成信任分数的示例信任分数生成模块212。信任分数生成模块212可以通过使用区块链地址的特征向量和评分模型来针对区块链地址生成信任分数。例如，信任分数生成模块212可以将区块链地址的特征向量输入到输出信任分数的评分模型中。
可以将针对区块链地址的信任分数234存储在区块链地址记录220中。信任分数生成模块212可以针对区块链地址中的每一个生成信任分数。信任分数生成模块212还可以随时间推移(诸如，当在信任系统100处获取了附加数据时)更新信任分数。区块链地址记录220可以包括最近计算出的信任分数以及历史上计算出的信任分数。在一些实现方式中，信任系统100可以利用信任分数(和历史分数)的变化来提供实时警报系统，使得如果地址的信任分数下降(例如，如在组织通过其控制的地址接收到欺诈性资金的情况下一样)，则可以通知一方。信任系统100可以提供可以挂接到其服务中的API，该API可以冻结交易并警告该组织的相关人员(例如，通过电话、电子邮件等)。
信任分数生成模块212可以被配置为以各种格式提供信任分数。在一些实现方式中，信任分数可以是具有最小值和最大值的整数值。例如，信任分数可以在1至7的范围内，其中，信任分数“1”指示区块链地址有可能是欺诈性的。在该示例中，信任分数“7”可以指示区块链地址不可能是欺诈性的(即，是非常值得信任的)。在一些实现方式中，信任分数可以是十进制值。例如，信任分数可以是指示欺诈可能性的十进制值(例如，从0至100％的百分比值)。在一些实现方式中，信任分数可以在最大负值至最大正值(例如，-1.00至1.00)的范围内，其中，负值越大表明地址是欺诈性的可能性越大。在该示例中，正值越大可以表明地址值得信任的可能性越大。客户可以选择他们偏好的信任分数格式。
图9示出了信任系统100与交易者设备104、116、118(例如，用户设备或服务器)之间的交互。在图9中，交易者接口模块210接收对区块链地址的信任请求130。交易者接口模块210可以检索针对所指示区块链地址的信任分数。交易者接口模块210在信任响应132中将检索到的信任分数发送到交易者设备104、116、118。尽管交易者接口模块210可以检索预先生成的信任分数，但在某些情况下，如果尚未计算信任分数和/或信任分数过时，则信任系统100可以响应于信任请求130而实时地生成信任分数。
交易者接口模块210可以提供用于交易者设备/系统104、116、118的接口。例如，交易者接口模块210可以提供用于与信任系统100交互的API。在一些实现方式中，交易者接口模块210可以生成诸如GUI(例如，基于网络的接口)这样的用于用户交易者设备104的接口。在其他情况下，交易者应用112和/或中间交易系统116可以生成用于显示从信任系统100检索到的数据的GUI。
在一些实现方式中，交易者接口模块210可以存储每个信任请求130的请求数据236。请求数据236可以包括任何与接收到的信任请求130和/或所提供的信任响应132相关联的数据。请求数据236可以被存储在相关联的区块链地址记录220中。
在一些实现方式中，每次对区块链地址提出信任请求130时，区块链地址记录可以存储请求数据236。在这些实现方式中，请求数据236可以指示对区块链地址提出信任请求的次数。请求数据236还可以指示提出信任请求的区块链地址、被报告给请求者的信任分数，以及请求的时间。因此，请求数据236可以表示关于正请求针对区块链地址的信任分数的各方的随时间推移的趋势。
在一些实现方式中，用于区块链地址的评分特征可以包括基于请求数据236的评分特征。一个示例评分特征可以是对区块链地址提出信任请求的总次数。另一示例评分特征可以是对区块链地址提出信任请求的不同区块链地址的数量。其他示例特征可以包括对区块链地址提出信任请求的频率(例如，一段时间内请求的次数)。
图10A至图10B示出了可以由交易应用112或中间交易系统116在用户交易者设备104上生成的示例GUI。所图示的GUI可以是用于区块链交易中的发送者。可以假定，其上发生图10A至图10B中的区块链交易的区块链网络使用“币”单位进行交易。GUI的顶部部分包括诸如发送者的区块链地址及其余额(例如，10个币)这样的指示发件者信息的字段。GUI的顶部部分还包括其中发送者可以指定接收者地址并指示潜在交易的交易金额(例如，5个币)的字段。GUI包括可以启动发送者与接收者之间的指定交易的“发送币”GUI元件。
图10A至图10B中的GUI的下部部分为发送者提供了在参加交易之前从信任系统100获取信任报告的选项。例如，在图10A中，用户可以选择(例如，触摸/点击)“请求信任报告”GUI元件，以向信任系统发送信任请求。信任请求可以包括接收者的地址，如在以上的“到达：”框中指定的。图10B示出了响应于信任请求而接收到的示例信任报告。
在图10B中，接收到的信任报告指示接收者的信任分数为-.90。可以假定在这种情况下，负值信任分数接近-1.0指示接收者地址有可能是欺诈性的。类似地，接近1.0的正值信任分数可以指示接收者地址不是欺诈性的。除了-0.90的数值分数之外，信任报告还总结了信任分数数字的含义。具体地，信任报告指示“信任分数指示接收者有可能参加了欺诈活动”。该GUI还提供了“取消交易”GUI元件，发送者可以选择(例如，触摸/点击)“取消交易”GUI元件来取消所指定的交易。
图11示出了其中作为支付保险过程的部分的查询信任系统100的示例。在图11中，用户交易者设备104经由中间交易系统1100在区块链网络114上进行交易。中间交易系统1100包括可以从信任系统100检索信任报告的信任请求模块126。中间交易系统1100还可以向交易者提供支付保险。
图11的中间交易系统1100包括可以确定是否将给交易保险的支付保险模块1102。可以由中间交易系统1100的所有者/运营商和支付保险系统1104(例如，承保人系统)的所有者/运营商商定能给交易保险的条款。在一些实现方式中，可以针对其中交易区块链地址具有指示欺诈可能性低的信任分数的交易提供支付保险。支付保险系统1104可以出于审查目的而获取与交易相关的数据(例如，信任分数、定时等)。
在图11中，初始地，交易者设备104可以发起与中间交易系统1100的交易。响应于发起的交易，中间交易系统1100(例如，信任请求模块126)可以检索针对接收者和/或发送者的信任报告。然后，中间交易系统1100可以确定是否能给交易保险。例如，支付保险模块1102可以确定交易区块链地址是否具有指示欺诈可能性低的信任分数。在一些实现方式中，支付保险模块1102可以将信任分数与指示最大欺诈可容忍可能性的信任分数阈值进行比较。在这些实现方式中，如果一个(多个)信任分数小于信任分数阈值，则支付保险模块1102可以指示能给交易保险。如果信任分数大于欺诈容忍水平，则支付保险会被拒绝。
在一些实现方式中，支付保险模块1102可以查询支付保险系统1104来确定是否能给交易保险。该查询可以指示针对交易各方的信任分数。在这些实现方式中，支付保险系统1104可以确定是否给交易保险。然后，支付保险系统1104可以通知中间交易系统1100能够给交易保险。
除了在支付保险过程中发挥作用的信任系统100之外，信任系统100还可以在其他金融过程中发挥作用。例如，可以使用由信任系统100生成的信任分数/报告以便冻结交易和/或追回资金。
尽管信任系统100可以针对区块链地址中的每一个计算单个信任分数而不顾及区块链地址是发送者还是接收者，但在一些实现方式中，信任系统100可以针对每个地址计算接收者信任分数和发送者信任分数。在一个示例中，与经常没有成为骗局受害者的区块链地址相比，往往成为骗局受害者的区块链地址可以将发送者的信任分数设置为不太值得信任。在另一示例中，当没有与在区块链地址处接收资金相关联的不法活动的迹象时，经常成为网络钓鱼骗局的受害者的区块链地址可以没有修改的接收者信任分数。
信任系统100中所包括的模块和数据存储器代表可以被包括在本公开的信任系统100中的特征。本文中描述的模块和数据存储器可以由电子硬件、软件、固件或其任何组合来实施。将不同特征描绘为单独的模块和数据存储器不一定意味着模块和数据存储器是由公共的还是独立的电子硬件或软件部件来实施的。在一些实现方式中，与本文中描绘的一个或多个模块和数据存储器相关联的特征可以由公共的电子硬件和软件部件来实现。在一些实现方式中，与本文中描绘的一个或多个模块和数据存储器相关联的特征可以由独立的电子硬件和软件部件来实现。
模块和数据存储器可以由电子硬件和软件部件来实施，这些部件包括但不限于一个或多个处理单元、一个或多个存储器部件、一个或多个输入/输出(I/O)部件，以及互连部件，互连部件可以被配置为提供一个或多个处理单元、一个或多个存储器部件与一个或多个I/O部件之间的通信。例如，互连部件可以包括被配置为在电子部件之间进行数据传输的一条或更多条总线。互连部件还可以包括被配置为控制电子部件之间的通信的控制电路(例如，存储器控制器和/或I/O控制器)。
一个或多个处理单元可以包括一个或多个中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理单元(DSP)或其他处理单元。一个或多个处理单元可以被配置为与存储器部件和I/O部件通信。例如，一个或多个处理单元可以被配置为经由互连部件与存储器部件和I/O部件通信。
存储器部件(例如，主存储器和/或存储设备)可以包括任何易失性或非易失性介质。例如，存储器可以包括但不限于诸如随机存取存储器(RAM)、只读存储器(ROM)、非易失性RAM(NVRAM)、电可擦可编程ROM(EEPROM)、闪存存储器、硬盘驱动器(HDD)、磁带驱动器、光学存储技术(例如，光盘、数字多功能盘和/或蓝光光盘)或任何其他存储器部件这样的电介质、磁性介质和/或光学介质。
存储器部件可以包括(例如，存储)本文中描述的数据。例如，存储器部件可以包括数据存储器中所包括的数据。存储器部件还可以包括可以由一个或多个处理单元执行的指令。例如，存储器可以包括计算机可读指令，计算机可读指令在由一个或多个处理单元执行时致使一个或多个处理单元执行归属于本文中所述的模块和数据存储器的各种功能。
I/O部件可以是指提供与各种不同设备的通信的电子硬件和软件。例如，I/O部件可以提供其他设备与一个或多个处理单元和存储器部件之间的通信。在一些示例中，I/O部件可以被配置为与计算机网络通信。例如，I/O部件可以被配置为使用各种不同的物理连接、无线连接和协议通过计算机网络交换数据。I/O部件可以包括但不限于网络接口部件(例如，网络接口控制器)、中继器、网络桥、网络交换机、路由器，以及防火墙。在一些示例中，I/O部件可以包括被配置为与各种人接口设备进行通信的硬件和软件，人接口设备包括但不限于显示屏、键盘、指示器设备(例如，鼠标)、触摸屏、扬声器，以及麦克风。在一些示例中，I/O部件可以包括被配置为与诸如外部存储器(例如，外部HDD)这样的附加设备通信的硬件和软件。
在一些实现方式中，信任系统100可以包括被配置为实现本文中描述的技术的一个或多个计算设备。换句话说，归属于本文中描述的模块和数据存储器的特征可以由一个或多个计算设备来实现。一个或多个计算设备中的每一个可以包括上述电子硬件、软件和/或固件的任何组合。例如，一个或多个计算设备中的每一个可以包括上述处理单元、存储器部件、I/O部件，以及互连部件的任何组合。信任系统100的一个或多个计算设备还可以包括各种人接口设备，包括但不限于显示屏、键盘、指示设备(例如，鼠标)、触摸屏、扬声器，以及麦克风。计算设备还可以被配置为与诸如外部存储器(例如，外部HDD)这样的附加设备通信。
信任系统100的一个或多个计算设备可以被配置为与图1A的网络102通信。信任系统100的一个或多个计算设备还可以被配置为相互通信(例如，经由计算机网络)。在一些示例中，信任系统100的一个或多个计算设备可以包括被配置为与用户设备通信的一个或多个服务器计算设备。在一些示例中，一个或多个计算设备可以驻留在单个地理位置处的单个机器内。在其他示例中，一个或多个计算设备可以驻留在单个地理位置处的多个机器内。在其他示例中，信任系统100的一个或多个计算设备可以被分布于多个地理位置。

Claims (15)

1.一种系统，包括：
一个或多个处理单元，其执行致使所述一个或多个处理单元进行以下步骤的计算机可读指令：
从区块链网络获取区块链数据，其中，所述区块链数据包括在多个区块链地址之间的多个交易；
将所述区块链地址的集合标记为欺诈性的；
基于所述区块链数据来生成图数据结构，其中，所述图数据结构包括所述区块链地址的节点并且包括在区块链交易的节点之间的边缘；
针对每个区块链地址计算评分特征的集合，其中，每个评分特征的集合包括基于图的评分特征，并且其中，计算所述基于图的评分特征包括计算与所述图数据结构中的所述区块链地址相关联的交易的次数；
使用被标记为欺诈性的所述区块链地址的评分特征的集合来生成评分模型；
使用与所述区块链地址相关联的所述评分特征和所述评分模型来生成所述区块链地址中的每一个的信任分数，其中，所述信任分数指示所述区块链地址参与欺诈活动的可能性；
从请求设备接收对指定的区块链地址的信任请求；以及
将针对所指定的区块链地址的信任分数发送到所述请求设备。
2.根据权利要求1所述的系统，其中，计算所述基于图的评分特征包括计算其中所述区块链地址是接收者地址的交易的次数以及计算其中所述区块链地址是发送者地址的交易的次数。
3.根据权利要求1所述的系统，其中，计算所述基于图的评分特征包括计算与所述区块链地址进行交易的资金的金额。
4.根据权利要求1所述的系统，其中，计算所述基于图的评分特征包括计算由所述区块链地址接收的资金的金额以及计算由所述区块链地址发送的资金的金额。
5.根据权利要求1所述的系统，其中，所述基于图的评分特征是第一基于图的评分特征，其中，所述评分特征的集合包括第二基于图的评分特征，并且其中，计算所述第二基于图的评分特征包括计算所述区块链地址节点与所述图数据结构中被标记为欺诈的多个其他节点之间的距离。
6.根据权利要求1所述的系统，其中，所述评分特征的集合包括交易速率评分特征，并且其中，计算所述交易速率评分特征包括计算所述区块链地址与其他区块链地址交易的速率。
7.根据权利要求1所述的系统，其中，所述评分特征的集合包括交易金额评分特征，并且其中，计算所述交易金额评分特征包括计算在一段时间内所述区块链地址交易的资金的金额。
8.根据权利要求1所述的系统，其中，所述评分特征的集合包括定时评分特征，并且其中，计算所述定时评分特征包括计算进入所述区块链地址的资金的入口与离开所述区块链地址的资金的出口之间的时间。
9.根据权利要求1所述的系统，其中，所述评分特征的集合包括休眠评分特征，并且其中，计算所述休眠评分特征包括计算所述区块链地址不参与交易的时间量。
10.根据权利要求9所述的系统，其中，计算所述休眠评分特征包括相对于针对所述区块链地址的交易之间的预期时间量来计算所述区块链地址不参与交易的时间量。
11.根据权利要求1所述的系统，其中，所述评分特征的集合包括请求数据评分特征，并且其中，计算所述请求数据评分特征包括计算针对所述区块链地址请求信任分数的次数。
12.根据权利要求1所述的系统，其中，所述评分特征的集合包括行为特征，所述行为特征指示所述区块链地址的行为是否满足行为模板中所指定的条件。
13.根据权利要求12所述的系统，其中，所述行为模板包括指定交易次数和交易速率的条件。
14.根据权利要求1所述的系统，其中，所述评分特征的集合包括指示所述区块链地址的行为是否满足第一行为模板中指定的第一组条件的第一行为特征，并且其中，所述评分特征的集合包括指示所述区块链地址的行为是否满足第二行为模板中指定的第二组条件的第二行为特征。
15.根据权利要求1所述的系统，其中，所述一个或多个处理单元被配置为：
获取欺诈性区块链地址的列表；以及
基于所获取的所述列表将所述区块链地址的集合标记为欺诈性的。
CN201980031219.9A 2018-03-07 2019-03-07 区块链交易安全 Pending CN112534453A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862639955P 2018-03-07 2018-03-07
US62/639,955 2018-03-07
PCT/US2019/021087 WO2019173554A1 (en) 2018-03-07 2019-03-07 Blockchain transaction safety

Publications (1)

Publication Number Publication Date
CN112534453A true CN112534453A (zh) 2021-03-19

Family

ID=67843967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980031219.9A Pending CN112534453A (zh) 2018-03-07 2019-03-07 区块链交易安全

Country Status (5)

Country Link
US (3) US10853812B2 (zh)
EP (1) EP3797396A1 (zh)
CN (1) CN112534453A (zh)
AU (1) AU2019230035A1 (zh)
WO (1) WO2019173554A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11251937B2 (en) 2018-01-21 2022-02-15 CipherTrace, Inc. Distributed security mechanism for blockchains and distributed ledgers
US11836718B2 (en) 2018-05-31 2023-12-05 CipherTrace, Inc. Systems and methods for crypto currency automated transaction flow detection
US11373202B2 (en) * 2018-07-16 2022-06-28 Mastercard International Incorporated Method and system for referral fraud prevention via blockchain
US10380594B1 (en) * 2018-08-27 2019-08-13 Beam Solutions, Inc. Systems and methods for monitoring and analyzing financial transactions on public distributed ledgers for suspicious and/or criminal activity
US11864072B2 (en) * 2018-09-14 2024-01-02 Hewlett Packard Enterprise Development Lp Rewards for custom data transmissions
US11546373B2 (en) 2018-11-20 2023-01-03 CipherTrace, Inc. Cryptocurrency based malware and ransomware detection systems and methods
US11443317B2 (en) * 2018-12-19 2022-09-13 Salt Blockchain Inc. Tracing flow of tagged funds on a blockchain
US20200349562A1 (en) 2019-05-05 2020-11-05 Microsoft Technology Licensing, Llc Extensible template for asset token
US11240004B2 (en) * 2019-09-18 2022-02-01 Boardwalktech, Inc. Blockchain system with a trust escrow
US11477228B2 (en) 2020-01-03 2022-10-18 Saudi Arabian Oil Company Method and system for blockchain accreditation mechanism based on cybersecurity risk
CN111311416B (zh) * 2020-02-28 2024-01-23 杭州云象网络技术有限公司 一种基于多通道图和图神经网络的区块链洗钱节点检测方法
US20220036455A1 (en) * 2020-07-28 2022-02-03 Dmg Blockchain Solutions Inc. Selection of cryptographic identifiers in a block
US11907955B2 (en) * 2020-08-28 2024-02-20 Anchain.ai Inc. System and method for blockchain automatic tracing of money flow using artificial intelligence
US11438175B2 (en) 2020-12-29 2022-09-06 CipherTrace, Inc. Systems and methods for correlating cryptographic addresses between blockchain networks
CN113037496B (zh) * 2021-03-15 2022-11-04 承德石油高等专科学校 一种基于区块链技术视频采集装置及其方法
US11373170B1 (en) 2021-04-20 2022-06-28 Dmg Blockchain Solutions, Inc. Custom mempool protocol associated with processing of cryptographic events
US11853278B2 (en) * 2021-06-10 2023-12-26 Jpmorgan Chase Bank , N.A. Systems and methods for combining graph embedding and random forest classification for improving classification of distributed ledger activities
CN113411322A (zh) * 2021-06-16 2021-09-17 中国银行股份有限公司 基于区块链的防护金融诈骗的网络流量监测方法及装置
WO2023069142A1 (en) * 2021-10-18 2023-04-27 Oceidon Corporation Systems and methods for monitoring, analyzing and regulating blockchain transactions
WO2023069689A2 (en) * 2021-10-22 2023-04-27 William Edward Quigley Crawling and clustering of distributed ledger data, push-based advertising using digital tokens, and smart contract escrow to mitigate risk for digital token sales
US11790360B1 (en) * 2023-03-14 2023-10-17 Gearlay Technologies Inc. Multi-actor transaction simulation in a blockchain network

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020194119A1 (en) * 2001-05-30 2002-12-19 William Wright Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US20110251951A1 (en) * 2010-04-13 2011-10-13 Dan Kolkowitz Anti-fraud event correlation
WO2015085393A1 (en) * 2013-12-13 2015-06-18 Tang li jun System and method for rating a transaction history
US20150363783A1 (en) * 2014-06-16 2015-12-17 Bank Of America Corporation Cryptocurrency risk detection system
US20160071108A1 (en) * 2014-09-04 2016-03-10 Idm Global, Inc. Enhanced automated anti-fraud and anti-money-laundering payment system
US20170132625A1 (en) * 2015-11-05 2017-05-11 Mastercard International Incorporated Method and system for use of a blockchain in a transaction processing network
US20170132635A1 (en) * 2015-11-11 2017-05-11 Idm Global, Inc. Systems and methods for sanction screening
US20170132636A1 (en) * 2015-11-11 2017-05-11 Idm Global, Inc. Systems and methods for detecting relations between unknown merchants and merchants with a known connection to fraud

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006094275A2 (en) 2005-03-02 2006-09-08 Markmonitor, Inc. Trust evaluation systems and methods
US20140046818A1 (en) * 2012-08-11 2014-02-13 Scott Lee Chung System and Method For Event Related Commerce Utilizing A Portable Electronic Device
US9672499B2 (en) * 2014-04-02 2017-06-06 Modernity Financial Holdings, Ltd. Data analytic and security mechanism for implementing a hot wallet service
US20150363777A1 (en) 2014-06-16 2015-12-17 Bank Of America Corporation Cryptocurrency suspicious user alert system
US20150363772A1 (en) 2014-06-16 2015-12-17 Bank Of America Corporation Cryptocurrency online vault storage system
US9578043B2 (en) 2015-03-20 2017-02-21 Ashif Mawji Calculating a trust score
US20170270527A1 (en) 2016-03-17 2017-09-21 John Rampton Assessing trust to facilitate blockchain transactions
CN107194281B (zh) * 2017-05-25 2019-07-16 成都知道创宇信息技术有限公司 一种基于区块链技术的反欺诈系统
US20180357683A1 (en) 2017-06-08 2018-12-13 International Business Machines Corporation Rating data management
US11797995B2 (en) 2017-12-04 2023-10-24 Mastercard International Incorporated Method and system for risk scoring anonymized transactions

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020194119A1 (en) * 2001-05-30 2002-12-19 William Wright Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US20110251951A1 (en) * 2010-04-13 2011-10-13 Dan Kolkowitz Anti-fraud event correlation
WO2015085393A1 (en) * 2013-12-13 2015-06-18 Tang li jun System and method for rating a transaction history
US20150363783A1 (en) * 2014-06-16 2015-12-17 Bank Of America Corporation Cryptocurrency risk detection system
US20160071108A1 (en) * 2014-09-04 2016-03-10 Idm Global, Inc. Enhanced automated anti-fraud and anti-money-laundering payment system
US20170132625A1 (en) * 2015-11-05 2017-05-11 Mastercard International Incorporated Method and system for use of a blockchain in a transaction processing network
US20170132635A1 (en) * 2015-11-11 2017-05-11 Idm Global, Inc. Systems and methods for sanction screening
US20170132636A1 (en) * 2015-11-11 2017-05-11 Idm Global, Inc. Systems and methods for detecting relations between unknown merchants and merchants with a known connection to fraud

Also Published As

Publication number Publication date
US20210192526A1 (en) 2021-06-24
US10853812B2 (en) 2020-12-01
WO2019173554A1 (en) 2019-09-12
AU2019230035A1 (en) 2021-04-22
US20240086930A1 (en) 2024-03-14
US20190279215A1 (en) 2019-09-12
US11830004B2 (en) 2023-11-28
EP3797396A1 (en) 2021-03-31

Similar Documents

Publication Publication Date Title
US11830004B2 (en) Blockchain transaction safety
US11568415B2 (en) Decentralized safeguard against fraud
US11244396B2 (en) Crypto-machine learning enabled blockchain based profile pricer
US10965446B2 (en) Blockchain-based automated user matching
US20200027089A1 (en) Blockchain transaction safety using smart contracts
US11276064B2 (en) Active malfeasance examination and detection based on dynamic graph network flow analysis
Eskandari et al. Sok: Oracles from the ground truth to market manipulation
US10127501B2 (en) Trust score determination using peer-to-peer interactions
Twomey et al. Fraud and manipulation within cryptocurrency markets
US11354669B2 (en) Collaborative analytics for fraud detection through a shared public ledger
US11644958B2 (en) Trust score investigation
US11227287B2 (en) Collaborative analytics for fraud detection through a shared public ledger
Baliker et al. On the applications of blockchain in FinTech: advancements and opportunities
TW202232919A (zh) 電子郵件憑證系統
Shah et al. On the vital aspects and characteristics of cryptocurrency—A survey
Horch et al. Adversary tactics and techniques specific to cryptocurrency scams
Navarro Preventative fraud measures for cryptocurrency exchanges: mitigating the risk of cryptocurrency scams
Masteika et al. Bitcoin double-spending risk and countermeasures at physical retail locations
Orlando Exploring Crypto & Blockchain in Finance: Present & Future
Dhaliwal et al. Acceptance and Adoption of Blockchain Technology: An Examination of the Security & Privacy Challenges
US11841946B1 (en) Systems and methods for analyzing virtual data, predicting future events, and improving computer security
EP4060539A1 (en) Real-time malicious activity detection using non-transaction data
Mendes Forecasting bitcoin prices: ARIMA vs LSTM
Bores et al. Digital currency in the current cyber security environment
Eskandari et al. Toward Scalable Systems for Securities on Blockchains

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination